TL;DR — Le 9 juillet 2026, Meta Superintelligence Labs a lancé Muse Spark 1.1, son premier modèle accessible via une API payante. Le tarif est de 1,25 $/M en entrée, 4,25 $/M en sortie avec 20 $ de crédits gratuits — sous-cotant Opus 4.8 d’Anthropic (5 $/25 $) et GPT-5.5 d’OpenAI (~5 $/~30 $) de 6 à 7× en sortie. Il domine JobBench (54,7) et MCP Atlas (88,1) pour l’utilisation professionnelle et à grande échelle d’outils, mais reste en retrait en codage pur : SWE-Bench Pro (61,5 contre 69,2 pour Opus) et DeepSWE (53,3 contre 67,0 pour GPT-5.5). Le hic : aperçu public réservé aux États-Unis avec liste d’attente, pas sur OpenRouter, et pas de date de sortie pour la variante open source. Meta plante son drapeau — mais les barrières d’accès et les scores de codage mitigés en font un lancement à « surveiller de près, prototyper quand possible » plutôt qu’un moment « basculez maintenant ».
Introduction
Trois mois après avoir dévoilé Muse Spark sous la direction du responsable de l’IA Alexandr Wang, Meta a tiré son premier coup dans la guerre des agents de codage. Muse Spark 1.1, publié le 9 juillet 2026, est un pivot stratégique : pour la première fois, Meta facture aux développeurs l’accès à son propre modèle de pointe via une API.
Le Muse Spark original d’avril 2026 était un aperçu réservé à des partenaires sélectionnés, ouvertement faible en codage et en travail agentique. La version 1.1 cible précisément ces lacunes avec ce que Wang appelle un « changement d’étape » en matière de capacités et un prix conçu pour mettre la pression sur les acteurs établis (CNBC).
Lecture honnête : Muse Spark 1.1 remporte la course à l’utilisation agentique d’outils mais concède la précision brute en codage à Opus 4.8 et GPT-5.5. Et l’aperçu public est réservé aux États-Unis avec une liste d’attente — les développeurs en Europe et ailleurs ne peuvent pas encore y toucher.
Ce qui a été lancé
Muse Spark 1.1 est issu de Meta Superintelligence Labs (MSL), l’unité constituée sous Alexandr Wang. Nom de code interne Avocado, c’est le premier modèle que Meta ait jamais placé derrière un paywall (CNBC).
| Spécification | Détail |
|---|---|
| Type de modèle | Raisonnement multimodal (mode Pensée) |
| Fenêtre de contexte | 1 million de tokens, autogérée avec compaction active |
| Modalités | Texte, images, vidéo, documents |
| Rôles agentiques | Agent principal + orchestration de sous-agents |
| Outillage | MCP natif, compétences personnalisées, mode utilisation d’ordinateur |
| Compatibilité SDK | SDK OpenAI + Anthropic compatibles en remplacement direct |
| Disponibilité | Aperçu public réservé aux États-Unis avec liste d’attente |
La fenêtre de contexte de 1 million de tokens est remarquable pour sa compaction active : le modèle gère lui-même la fenêtre, décidant quoi conserver en mémoire active et quoi compresser à mesure que les sessions s’allongent. Pour les exécutions agentiques s’étendant sur des heures, c’est crucial — le bourrage naïf de contexte est ce qui fait échouer la plupart des agents de longue session en termes de coût et de cohérence (Lushbinary).
La double compatibilité SDK est une victoire discrète en matière de distribution. Pointez un client OpenAI ou Anthropic existant vers https://api.meta.ai/v1, définissez le modèle sur muse-spark-1.1, et conservez votre code — un échange à friction quasi nulle pour les tests A/B (Digital Applied).
Tarification : agressive, avec un piège sur les tokens de raisonnement
Meta a tarifé Muse Spark 1.1 pour sous-coter considérablement les acteurs établis (CNBC) :
| Entrée (pour 1M de tokens) | Sortie (pour 1M de tokens) | |
|---|---|---|
| Muse Spark 1.1 | 1,25 $ | 4,25 $ |
| Claude Opus 4.8 | 5,00 $ | 25,00 $ |
| GPT-5.5 | ~5,00 $ | ~30,00 $ |
| Claude Sonnet 4.6 | 3,00 $ | 15,00 $ |
Les nouveaux comptes reçoivent 20 $ de crédits gratuits — suffisants pour l’évaluation, pas pour la production. Wang a qualifié la tarification de « très agressive et attractive », destinée à « évoluer avec une consommation massive » (Reuters via CNBC).
Le piège des tokens de raisonnement. Muse Spark 1.1 réfléchit avant de répondre. Les tokens de réflexion apparaissent sous forme de reasoning_tokens et sont facturés comme de la sortie à 4,25 $/M. Le paramètre reasoning_effort va de minimal à xhigh — adapter l’effort à la complexité de la tâche est le principal levier sur votre facture. Une charge de travail de raisonnement lourde coûte nettement plus cher que ce que suggère le prix affiché (AIReiter).
Au prix catalogue, la sortie de Muse Spark est environ 6 fois moins chère que celle de GPT-5.5. Mais les relais tiers fournissent déjà du Claude de classe Sonnet à environ 0,60 $ en entrée / 3,00 $ en sortie — en dessous du prix de Muse Spark lui-même, sans liste d’attente.
Benchmarks : l’histoire d’une décision partagée
Le propre tableau de lancement de Meta raconte une histoire claire : Muse Spark 1.1 mène sur les benchmarks d’agents et d’utilisation d’outils, mais reste en retrait sur le codage pur et le multimodal (Digital Applied). Tous les chiffres sont rapportés par les fournisseurs, avec les rivaux dans leurs modes les plus forts (Opus 4.8 au maximum, GPT-5.5 en xhigh, Gemini 3.1 Pro en high). Les scores en tête sont en gras.
| Benchmark | Catégorie | Muse Spark 1.1 | Opus 4.8 | GPT-5.5 | Gemini 3.1 Pro |
|---|---|---|---|---|---|
| MCP Atlas | Agent · utilisation d’outils à grande échelle | 88,1 | 82,2 | 75,3 | 78,2 |
| JobBench | Agent · utilisation professionnelle d’outils | 54,7 | 48,4 | 38,3 | 15,9 |
| Humanity’s Last Exam | Agent · raisonnement avec outils | 62,1 | 57,9 | 52,2 | 51,4 |
| OSWorld-Verified | Agent · utilisation d’ordinateur | 80,8 | 83,4 | 78,7 | 76,2 |
| SWE-Bench Pro | Codage | 61,5 | 69,2 | 58,6 | 54,2 |
| DeepSWE 1.1 | Codage · horizon long | 53,3 | 59,0 | 67,0 | 12,0 |
| Terminal-Bench 2.1 | Codage · tâches CLI | ~55 | ~72 | ~65 | — |
| BabyVision | Multimodal | 76,3 | 81,2 | 83,6 | 51,5 |
Sources : blog de lancement de Meta ; compilé à partir de (Digital Applied, Lushbinary)
Lecture du schéma
Sur les quatre lignes agentiques — MCP Atlas, JobBench, Humanity’s Last Exam et Finance Agent v2 (57,2, non affiché) — Muse Spark 1.1 est premier. L’avance sur JobBench (54,7 contre 48,4 pour Opus contre 38,3 pour GPT) mesure l’utilisation professionnelle d’outils dans des flux de travail réalistes. MCP Atlas 88,1 sur l’utilisation à grande échelle d’outils sur plusieurs serveurs MCP est la capacité qui compte lors de la construction d’agents qui exécutent de vrais outils sur de vraies API.
Sur l’utilisation d’ordinateur (OSWorld), il glisse derrière Opus à 80,8 contre 83,4 — proche mais pas en tête. En codage (SWE-Bench Pro, DeepSWE, Terminal-Bench), il est solidement troisième. C’est un modèle qui remporte la course à l’orchestration d’outils et concède la précision brute — pour les constructeurs d’agents, c’est sans doute le bon compromis.
Les benchmarks indépendants pour la version 1.1 sont encore rares. Artificial Analysis a noté le Muse Spark original d’avril à l’Indice d’Intelligence 52, derrière Gemini 3.1 Pro et Claude Opus 4.6. La mise à jour 1.1 correspond à un gain d’environ 43 points dans la suite interne de Meta, mais les chiffres SWE-Bench Verified de tiers n’ont pas été publiés au lancement (AIReiter). Le schéma est crédible car Meta montre les lignes où il perd — traitez les chiffres exacts comme une hypothèse de départ, pas un verdict.
Capacités agentiques
Le centre architectural est l’orchestration multi-agents native. Le même modèle fonctionne à la fois comme agent principal et sous-agent — une instance principale décompose les tâches en morceaux, délègue à des sous-agents parallèles, puis rassemble les résultats. Ce schéma orchestrateur-travailleur est intégré au modèle, pas ajouté par un framework (Lushbinary).
Quatre blocs de construction de soutien :
- Utilisation d’ordinateur. Pilote un vrai bureau Linux à partir d’objectifs en langage naturel — captures d’écran, raisonnement, clics, répétition. OSWorld 80,8 le place à distance de frappe d’Opus 4.8 à 83,4 (AIReiter).
- Support MCP natif. Parle le Model Context Protocol nativement. Combiné à MCP Atlas 88,1, c’est ce qui distingue un modèle agentique d’un modèle de chat.
- Compétences personnalisées et recherche web intégrée. Capacités réutilisables en tant que primitives de première classe ; ajoutez
{"type": "web_search"}à tout appel API Responses pour des réponses citées en temps réel.
Les premiers partenaires renforcent le positionnement : Amjad Masad de Replit l’a qualifié de « fondation agentique complète », Saoud Rizwan de Cline a souligné « une utilisation d’outils suffisamment solide pour exécuter de vraies charges de travail de codage à un prix viable » (Digital Applied).
Accès : les barrières qui comptent
Muse Spark 1.1 est disponible via l’API Meta Model en aperçu public :
- Inscrivez-vous sur le portail développeur de Meta ; 20 $ de crédits gratuits par compte
- Réservé aux États-Unis pour l’instant — les premiers partenaires y ont accès ; les nouveaux utilisateurs rejoignent une liste d’attente
- Pas sur OpenRouter — Meta limite délibérément l’accès à l’API à ses propres propriétés (CNBC)
Pour les consommateurs, il est disponible en mode Pensée dans l’application Meta AI. Wang s’attend à ce qu’il remplace éventuellement les modèles Llama sur WhatsApp, Instagram, Facebook et les lunettes intelligentes. La liste d’attente réservée aux États-Unis est le plus grand obstacle pratique — les équipes européennes et asiatiques ayant besoin de modèles agentiques de pointe aujourd’hui doivent utiliser Claude, GPT ou Gemini, qui sont disponibles mondialement.
Analyse du marché
La tarification de Meta à 1,25 $/4,25 $ est la plus agressive d’un hyperscaler dans l’espace des agents de codage, sous-cotant la sortie d’Opus 4.8 de 6 fois et celle de GPT-5.5 de 7 fois au prix catalogue. Il s’agit d’une compression délibérée des prix : forcer les concurrents à s’aligner ou à justifier leur prime. Quand Anthropic a lancé Sonnet 4.6 à 3 $/15 $, cela a créé un segment intermédiaire ; Muse Spark sous-cote même cela tout en revendiquant des performances agentiques de classe Opus.
La divergence des benchmarks révèle un marché qui se bifurque. Le codage pur (SWE-Bench, DeepSWE) est là où Opus 4.8 mène et où la précision brute est la seule métrique. Le codage agentique (MCP Atlas, JobBench) est là où l’orchestration d’outils et la planification en plusieurs étapes comptent davantage. Muse Spark 1.1 cible le second marché. Wang l’a formulé explicitement : « Vous devez en quelque sorte construire des capacités de codage dans le cadre de cela au service des capacités agentiques globales » (CNBC).
Meta a des avantages structurels. Muse Spark 1.1 fonctionne sur une infrastructure qui alimente déjà Facebook et Instagram — combiné à Meta Compute (lancement cloud du 1er juillet), cela donne un levier de coût que les laboratoires d’IA purs n’ont pas. Wang a confirmé qu’une variante open source est « en développement » sans date de sortie — un potentiel moment Llama pour les agents de codage, mais pas encore un produit. Meta entraîne également Watermelon, un modèle plus vaste utilisant « un ordre de grandeur de calcul en plus qu’Avocado », avec des rapports internes suggérant une parité avec GPT-5.5 sur les benchmarks clés.
Devriez-vous construire sur Muse Spark 1.1 ?
| Cas d’usage | Recommandation | Pourquoi |
|---|---|---|
| Prototypes agentiques / utilisation d’ordinateur | Rejoignez la liste d’attente | Les recettes multi-agents et l’utilisation d’ordinateur sont là où il fait avancer le domaine ; 20 $ de crédits rendent l’exploration gratuite |
| Codage en production | Restez sur Claude ou GPT | Les preuves de codage indépendantes sont minces ; une liste d’attente réservée aux États-Unis est une mauvaise dépendance de production |
| En dehors des États-Unis | Utilisez Claude / GPT / Gemini | Les modèles contre lesquels il se compare sont disponibles mondialement aujourd’hui |
| Charges de travail agentiques sensibles aux coûts | Surveillez la facture | Les tokens de raisonnement facturés comme de la sortie augmentent le coût effectif ; adaptez reasoning_effort à la tâche |
| Architectures lourdes en MCP | Candidat solide (quand accessible) | 88,1 sur MCP Atlas est le meilleur de sa catégorie pour l’utilisation à grande échelle d’outils |
Muse Spark 1.1 n’est pas un « basculez maintenant » pour la plupart des équipes. C’est un « surveillez de près, prototypage quand vous y avez accès » — et un rappel que Meta est de retour dans la course de pointe avec une tarification qui met la pression sur le domaine.
FAQ
Qu’est-ce que Muse Spark 1.1 ?
Un modèle de raisonnement multimodal de Meta Superintelligence Labs, publié le 9 juillet 2026. Il dispose d’une fenêtre de contexte autogérée de 1 million de tokens, d’une orchestration native agent principal et sous-agent, d’un support MCP, de compétences personnalisées et d’un mode utilisation d’ordinateur. C’est le premier modèle Meta disponible via une API développeur payante.
Combien coûte l’API ?
1,25 $/M en entrée, 4,25 $/M en sortie, avec 20 $ de crédits gratuits pour les nouveaux comptes. Les tokens de raisonnement internes sont facturés au tarif de sortie. Utilisez reasoning_effort (de minimal à xhigh) pour contrôler le coût.
Comment se compare-t-il à Claude et GPT sur les benchmarks ?
Il mène sur l’utilisation agentique d’outils (JobBench 54,7, MCP Atlas 88,1) mais reste en retrait sur le codage pur (SWE-Bench Pro 61,5 contre 69,2 pour Opus, DeepSWE 53,3 contre 67,0 pour GPT-5.5). C’est un spécialiste de l’orchestration d’outils, pas un leader de la précision en codage.
Puis-je l’utiliser en dehors des États-Unis ?
Pas via l’API Meta Model officielle. L’aperçu public est réservé aux États-Unis avec une liste d’attente. Utilisez Claude, GPT ou Gemini pour un accès immédiat.
Muse Spark est-il open source ?
Non — il est propriétaire et payant. Une variante open source est en développement sans date de sortie.
Est-il disponible sur OpenRouter ?
Non. Meta limite délibérément l’accès à l’API à ses propres propriétés.
Quels SDK sont compatibles ?
Compatible en remplacement direct avec le SDK OpenAI (Chat Completions + Responses) et le SDK Anthropic (format Messages). Définissez l’URL de base sur https://api.meta.ai/v1, le modèle sur muse-spark-1.1.
Quelle est la prochaine étape pour la gamme de modèles de Meta ?
Un modèle plus vaste nom de code Watermelon est en formation, utilisant un ordre de grandeur de calcul en plus qu’Avocado (Muse Spark). Des rapports internes suggèrent une parité avec GPT-5.5 mais aucune date de sortie.
Lectures complémentaires
- Blog de lancement officiel de Muse Spark 1.1 par Meta — benchmarks du fournisseur, documentation API, modèles Cookbook
- CNBC : Meta fait son entrée sur le marché du codage IA — interview d’Alexandr Wang, tarification, Watermelon
- AIReiter : Guide de tarification de l’API Muse Spark 1.1 — ventilation des prix, comparaison concurrentielle, guide d’accès
- Digital Applied : API du modèle agentique Muse Spark 1.1 — analyse approfondie des benchmarks, analyse de l’utilisation d’outils
- Lushbinary : Guide développeur Muse Spark 1.1 — architecture, schémas de conception agentique
- AI Weekly : Meta tarifie l’API Muse Spark 1.1 — analyse concise des prix
- The Agent Report : Watermelon de Meta rattrape GPT-5.5 — couverture antérieure de la feuille de route des modèles de Meta
- The Agent Report : Muse Spark de Meta et la stratégie d’abandon de Llama — le passage de Meta de l’open source au propriétaire
Les données des benchmarks proviennent du tableau de lancement rapporté par le fournisseur Meta et de reportages indépendants en date du 9 juillet 2026. Tous les chiffres doivent être considérés comme des affirmations de Meta jusqu’à la publication d’évaluations par des tiers. La tarification et la disponibilité sont exactes à la date de lancement et peuvent changer.